全世界此刻活着大约四百个患早衰症的孩子。这种病的发病率是四百万分之一——有记录的病例，从 1886 年第一次被医学文献描述算起，总共只有一百多例到四百例之间（不同登记系统的口径不同）。他们的智力完全正常，身体却在以十倍速衰老，平均寿命十四年半。
2020 年 11 月，第一种药获批：Zokinvy。平均延长生命两年半——在日本的批准数据里是四年多。
这已经是人类为这四百个孩子做过的最好的事。但如果你去看这个药是怎么来的，会发现一件事：商业逻辑从头到尾都没成立过。
出资推进全部临床试验的，不是哪家大药企，是一个患者家庭办的基金会（Progeria Research Foundation，1999 年由 Sam Berns 的家人创办——Sam 是那个在全网留下「我选择快乐」演讲的早衰症男孩）。基因是基金会资助的科学家在 2003 年发现的，从基因发现到药物获批走了十七年。最终做这个药的，是一家专做超罕见病的小公司。
几百个患者，十七年，延长两三年寿命。这笔账，按任何商业标准都算不平。但我想说的不是「算不平所以不该做」——恰恰相反：
算不平，才是问题所在。不是「没人想」，而是在人类过去的组织方式下，这几百个孩子根本「配不上」一个研究团队。
一、一个用了几十年的公式
吴泳铭在云栖大会上讲了一个判断：当 AI 具备专业研究所需的智力水平，只要算力足够多和便宜，每个细分领域都可以组织上百万个 Agent 持续研究、模拟和验证——「顶级思考，将从奢侈品变成可规模化供给的商品」。他举的例子，恰好也是早衰症：这样的罕见病很难获得充足的研究资源，很少有公司愿意花十几年时间、耗费巨资，为几百人研发一种新药。
把这个判断翻译成一个公式。过去几十年，人类决定「什么问题值得解决」，用的都是同一个式子：
值得做 ⟺ 受益人数 × 每人付费能力 ≥ 所需智力投入的成本
这个公式的右边，过去几乎是个常数。培养一个能研究早衰症的科学家要二三十年，全世界这个领域的专家一只手数得过来；他们的时间是世界上最稀缺的资源之一，稀缺到——只能分配给公式左边足够大的问题。
所以这个公式实际上反着用：不是「这个问题重不重要」，而是「受益人数 × 付费能力够不够大，大到能雇得起那些昂贵的头脑很多年」。早衰症的孩子卡在左边：四百个人，每个家庭就算倾家荡产，也凑不出十七年的顶级研发。
于是一大类问题被公式判了死刑：罕见病、超垂直行业、小语种文化、只有几百个用户的工具、某个小县城特有的治理难题。它们不是不重要，是 没资格获得足够的智能。
吴泳铭演讲里那句「顶级思考将从奢侈品变成可规模化供给的商品」，说的就是这个公式的右边要塌了。机器思考总量目前不到人类的 3%，他的判断是未来会达到人类的 1000 倍以上（这是演讲口径，具体倍数未必准，但方向没有争议：智力供给正在和人口脱钩，变成一种可按需扩张的基础设施）。
当右边从常数变成商品，「值得做」这个集合会突然变大——所有当年「因为算不平账而没做」的事，都要重新算一遍。
二、这个转折，历史上发生过一次
这不是猜想。智力成本坍缩导致「值得做」集合爆炸，过去三十年发生过一次完整的先例：基因测序。
2000 年前后，人类基因组计划完成时花了约三十亿美元、十三年（官方口径，27 亿美元/13 年）。今天测一个人的全基因组，几百美元——成本降了大约六个数量级。接下来发生的事：以前只有顶级实验室能做的分析，普通实验室也能做了；以前「样本太少、测不起」的研究方向被打开了；罕见病的基因诊断从天方夜谭变成临床常规——早衰症的基因能在 2003 年被发现，本身就是测序成本第一次大幅下降的直接受益者。
测序成本坍缩没有让基因学家失业，它让 更多问题变成了可研究的。
第二个先例更近：AlphaFold。2022 年，DeepMind 把超过两亿个蛋白质的预测结构一次性公开——单个蛋白质结构的解析，从以月计的晶体学实验变成以分钟计的计算。结构生物学的一道智力壁垒直接消失，药物靶点筛选里「算结构」这一环的成本被压到接近零。
两次都是同一个模式：某种智力供给的成本坍缩 → 一批「算不平账」的问题重新变得值得做 → 瓶颈迁移到下一环。
三、最强的反方：瓶颈根本不在「想」
写到这里，必须正面回应一个很强的反驳：
罕见病的真正瓶颈不在「没人想」，而在临床试验、审批和生产。AI 生成一百万个分子假设很容易，但你没有一百万个病人可以验证——四百个孩子，招募一个对照组都要全球协作。湿实验的速度，不会因为干实验变快而变快。
这个反驳，我认一半。
认的一半：AI 不移除所有瓶颈，它只移除 智能供给 这一个瓶颈，然后瓶颈会迁移到验证端。指望「有了 AI，罕见病明年就攻克」，是把迁移误当成消失——和《能上春晚的项目，和能赚钱的项目》里讲的泡沫区是同一种错误。
不认的一半：瓶颈迁移就是进步，而且是历史上验证过的那种进步。 第一，Zokinvy 的十七年里，相当大一部分时间不是花在「想」上，而是花在试验和审批上——但前提是「想」的部分先有足够的人和钱。没有足够的思考，验证根本排不上日程：一个没有候选分子、没有作用机理假设的病，连临床试验的申请都写不出来。第二，历史上每次智力成本坍缩之后，验证成本都跟着降了——测序成本降了六个数量级之后，合成生物学、CRISPR 的验证通量也跟着上来了。瓶颈迁移不是终点，是下一轮成本坍缩的起点。
所以准确的表述是：AI 不会让四百个孩子明年有药，但它会让「为四百个孩子组织一场持续十七年的顶级研究」这件事，从需要基金会卖房筹款的奇迹，变成一个算力问题。
四、把公式用在自己身上
这个判断对个人和组织，各有一个直接推论。
个人：你的「不值得做」清单，需要重估一遍。 过去你放弃的一些方向，不是因为不重要，是因为按旧公式算不平账——「学这个没有市场」「做这个工具就几十个人会用」「研究这个问题没人付钱」。《学 AI 要学让你赚钱的 AI》里我说判断标准是「有没有人愿意为它付钱」，这条仍然成立——但要加一个注脚：当智力成本坍缩，「有没有人付钱」的门槛也在降。以前要一万个付费用户才能养活一个方向，现在一百个可能就够，因为服务他们所需的智力投入便宜了一个数量级。旧公式判过死刑的小方向，值得重新上诉。
from dataclasses import dataclass
@dataclass
class Problem:
beneficiaries: int # 受益人数
willingness_to_pay: float # 每人每年付费意愿（元）
intelligence_cost: float # 所需智力投入的年成本（元）
def worth_doing(p: Problem) -> str:
revenue = p.beneficiaries * p.willingness_to_pay
if revenue >= p.intelligence_cost:
return "值得做：旧公式也成立"
if p.intelligence_cost > 0 and revenue / p.intelligence_cost > 0.01:
return "重估区：智力成本若降两个数量级，就成立"
return "放弃：瓶颈不在智力"
# 早衰症新药（旧世界）：400 人 × 家庭极限付费 << 17 年顶级研发
# → 旧公式：死刑。需要基金会 + 使命驱动才能翻案
# 早衰症研究（AI 供给）：intelligence_cost → 算力账单
# → 进入重估区：瓶颈迁移到临床验证
# generated by hugo AI
组织：AI 投入的长期价值，藏在「以前不划算」的事里。 给一千个大客户做智能化，是效率故事，大家都会做，做完也只是不掉队。真正的超额价值在旧公式判过死刑的那一侧：以前「客户太小，服务不起」的长尾客户、以前「需求太碎，不值得排期」的场景、以前「没有专家，进不去」的行业。这正是《当智能变得免费，什么东西在涨价》的反面推论：当智能免费，涨价的不是智能本身，是那些终于变得可行的问题。
社会：这是智能时代最深的一种公平。 过去四十年，技术普惠的主线是「让买不起的人买得起」——手机、流量、云服务。AI 的普惠是更深一层：让「算不平账」的问题获得智能。 富人区的孩子和罕见病的孩子，第一次在「能获得多少顶级思考」这件事上站在同一条成本曲线上。
写在最后
回到那四百个孩子。
Zokinvy 延长的那两年半，是基金会、小公司、十七年和无数善意硬扛出来的。它证明了一件事：这个问题值得做——只是旧公式说它不值得，所以它等了一个世纪。
公式现在死了。不是因为它错了，而是因为它的右边塌了。当顶级思考从奢侈品变成商品，「值得做」的边界会向外推一大截——推到罕见病，推到小语种，推到每一个曾经「算不平账」的角落。
至于瓶颈迁移到验证端之后怎么办？那是下一个十七年的事。但至少，下一个四百个孩子，不用再等一个卖房筹款的奇迹。
你或你的组织里，有什么「以前算不平账、现在值得重估」的方向？欢迎留言。